論文の概要: NextFund: A Unified Performance Tracking Platform for Agentic Portfolio Management
- arxiv url: http://arxiv.org/abs/2607.11141v1
- Date: Mon, 13 Jul 2026 06:22:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 17:47:21.357534
- Title: NextFund: A Unified Performance Tracking Platform for Agentic Portfolio Management
- Title（参考訳）: NextFund:エージェントポートフォリオ管理のための統一されたパフォーマンストラッキングプラットフォーム
- Abstract要約: 我々はNextFundを紹介した。NextFundは、ファイナンシャルエージェントの動作を実運用環境で観察できる評価プラットフォームである。
プラットフォームは、時間一貫性のある市場アクセス、協調型マルチエージェント分析、観察から取引までの完全な意思決定パスの永続的なロギングを結合する。
我々は、香港、米国、中国A株についてNextFundを提示し、検査可能な意思決定履歴がより公平なベンチマークとより実用的な診断を可能にしていることを説明します。
- 参考スコア（独自算出の注目度）: 0.9906305486517417
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Large language models (LLMs) based agents are beginning to participate in portfolio construction and market analysis, where decisions must be justified under evolving information and risk constraints. Current assessment practice, however, remains poorly aligned with this setting: many studies rely on static examinations or report only terminal portfolio returns, while the intermediate evidence, analyst judgments, and execution steps that produced those returns stay largely invisible. We introduce NextFund, an evaluation platform that makes financial-agent behavior observable under live market conditions. The platform couples time-consistent market access, coordinated multi-agent analysis, and persistent logging of the full decision path from observation to trade. Through an interactive Trading Arena, users can compare models across markets, inspect equity curves, and drill from leaderboard outcomes down to individual justifications. We present NextFund on Hong Kong, U.S., and China A-share equities, illustrating how inspectable decision histories enable fairer benchmarking and more actionable diagnosis. Our demo is available at https://paradoox.cn/nextfund/.
- Abstract（参考訳）: 大規模言語モデル(LLM)ベースのエージェントがポートフォリオの構築と市場分析に参加し始めている。
多くの研究は静的検査や終端ポートフォリオのリターンのみを報告しているが、中間的な証拠、アナリストの判断、そしてそれらのリターンを生んだ実行ステップは、ほとんど見えないままである。
我々はNextFundを紹介した。NextFundは、ファイナンシャルエージェントの動作を実運用環境で観察できる評価プラットフォームである。
プラットフォームは、時間一貫性のある市場アクセス、協調型マルチエージェント分析、観察から取引までの完全な意思決定パスの永続的なロギングを結合する。
インタラクティブなトレーディングアリーナを通じて、ユーザーは市場全体にわたるモデルを比較し、エクイティカーブを検査し、リーダーボードの結果から個々の正当化までをドリルすることができる。
我々は、香港、米国、中国A株についてNextFundを提示し、検査可能な意思決定履歴がより公平なベンチマークとより実用的な診断を可能にしていることを説明します。
私たちのデモはhttps://paradoox.cn/nextfund/.comで公開されています。
関連論文リスト
- From Knowing to Doing: A Memory-Controlled Benchmark for LLM Trading Agents on Stock Markets [34.699961175708815]
KTD-Finは、エンドツーエンドの株式市場トレーディングベンチマークである。
歴史的市場記憶と投資決定を分離する。
Barraスタイルのパフォーマンス属性フレームワークが組み込まれている。
論文 参考訳（メタデータ） (2026-05-27T11:57:10Z) - StakeBench: Evaluating Language Understanding Grounded in Market Commitment [5.902169076249955]
StakeBenchは、市場のコミットメントに根ざした言語理解のための評価フレームワークである。
StakeBenchは2,261の市場から560,876件のコメントを入手した。
4つの診断タスクは、モデルが市場のコミットメントを検出し、明らかにされた側面を特定し、将来のアクションを予測し、集合的なオッズ予測を実行するかどうかをテストする。
論文 参考訳（メタデータ） (2026-05-25T17:38:30Z) - PolySwarm: A Multi-Agent Large Language Model Framework for Prediction Market Trading and Latency Arbitrage [0.0]
PolySwarmは50の多様なLLMペルソナをデプロイし、バイナリ成果市場を同時に評価する。
遅延仲裁モジュールは、ログ正規価格モデルからCEXで実装された確率を導出することにより、古いポリマーケット価格を利用する。
論文 参考訳（メタデータ） (2026-04-04T22:51:06Z) - Conv-FinRe: A Conversational and Longitudinal Benchmark for Utility-Grounded Financial Recommendation [33.09732020656996]
ストックレコメンデーションのためのベンチマークであるConv-FinReを導入する。
我々は、実際の市場データと人間の意思決定軌跡からベンチマークを構築し、制御されたアドバイザリー会話をインスタンス化し、最先端のLCMのスイートを評価する。
その結果、合理的な意思決定品質と行動整合性の持続的な緊張が明らかとなった。
論文 参考訳（メタデータ） (2026-02-19T01:29:50Z) - LiveTradeBench: Seeking Real-World Alpha with Large Language Models [26.976122048323873]
大規模言語モデル(LLM)は、ベンチマーク全体で強力なパフォーマンスを達成する。
これらのテストは静的な設定で行われ、実際のダイナミクスと不確実性が欠如している。
LLMエージェントを現実的で発展途上国で評価するためのライブトレーディング環境であるLiveTradeBenchを紹介する。
論文 参考訳（メタデータ） (2025-11-05T16:47:26Z) - When Agents Trade: Live Multi-Market Trading Benchmark for LLM Agents [74.55061622246824]
Agent Market Arena (AMA)は、LLM(Large Language Model)ベースのトレーディングエージェントを評価するための、初めてのリアルタイムベンチマークである。
AMAは、検証済みのトレーディングデータ、専門家チェックされたニュース、および統一されたトレーディングフレームワーク内に多様なエージェントアーキテクチャを統合する。
GPT-4o、GPT-4.1、Claude-3.5-haiku、Claude-sonnet-4、Gemini-2.0-flashにまたがる薬剤を評価する。
論文 参考訳（メタデータ） (2025-10-13T17:54:09Z) - Your AI, Not Your View: The Bias of LLMs in Investment Analysis [62.388554963415906]
金融において、Large Language Models (LLMs) は、事前訓練されたパラメトリック知識とリアルタイム市場データとの相違から生じる、頻繁な知識紛争に直面している。
これらの対立は、モデル固有のバイアスが制度的目的と誤認される現実世界の投資サービスにおいて特に問題となる。
本研究では,このような紛争シナリオにおける創発的行動を調べるための実験的枠組みを提案し,投資分析におけるバイアスの定量的分析を行う。
論文 参考訳（メタデータ） (2025-07-28T16:09:38Z) - Deriving Strategic Market Insights with Large Language Models: A Benchmark for Forward Counterfactual Generation [55.2788567621326]
本稿では,FIN-FORCE-FINancial Forward Counterfactual Evaluationを提案する。
FIN-FORCEは金融ニュースの見出しをまとめることで、LLMベースの対実生成を支援する。
これにより、将来の市場展開を探索し、予測するためのスケーラブルで自動化されたソリューションの道を開くことができる。
論文 参考訳（メタデータ） (2025-05-26T02:41:50Z) - FinTSB: A Comprehensive and Practical Benchmark for Financial Time Series Forecasting [58.70072722290475]
ファイナンシャル・タイム・シリーズ(FinTS)は、人間の脳を増強した意思決定の行動を記録する。
FinTSBは金融時系列予測のための総合的で実用的なベンチマークである。
論文 参考訳（メタデータ） (2025-02-26T05:19:16Z) - Agent Trading Arena: A Study on Numerical Understanding in LLM-Based Agents [69.58565132975504]
大規模言語モデル(LLM)は、自然言語処理において顕著な能力を示した。
LLMをベースとしたエージェントが競合するマルチエージェント取引を行う仮想ゼロサム株式市場であるエージェントトレーディングアリーナを提示する。
論文 参考訳（メタデータ） (2025-02-25T08:41:01Z) - When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments [55.19252983108372]
LLMによって駆動される、StockAgentと呼ばれるマルチエージェントAIシステムを開発した。
StockAgentを使えば、ユーザーはさまざまな外部要因が投資家取引に与える影響を評価することができる。
AIエージェントに基づく既存のトレーディングシミュレーションシステムに存在するテストセットのリーク問題を回避する。
論文 参考訳（メタデータ） (2024-07-15T06:49:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。